交差検証を用いた画像の判別について

交差検証を用いた画像の判別を行っています。まず，2種類の画像を100枚ずつ，合計200枚を以下のコードで交差検証を行い，誤分類率を出します。以下は，データを10分割して，交差検証を行った結果です。

imds = imageDatastore('train_data', ...
    'IncludeSubfolders',true, ...
    'LabelSource','foldernames');
figure;
perm = randperm(200,20);
for i = 1:20
    subplot(4,5,i);
    imshow(imds.Files{perm(i)});
end
labelCount = countEachLabel(imds)
img = readimage(imds,1);
size(img)
numTrainFiles = 80;
[imdsTrain,imdsValidation] = splitEachLabel(imds,numTrainFiles,'randomize');
%% ダミーのトレーニングインデックスを生成
X = (1:imds.numpartitions)';
y = imds.Labels;
%% 交差検定にCNNの予測ラベル関数のポインタを渡す
cp = cvpartition(y,'k',10); % Stratified cross-validation
mcr = crossval('mcr',X,y,'Predfun',@(xtrain,ytrain,xtest)myCNNPredict(xtrain,ytrain,xtest,imds),'partition',cp)
%% CNNを学習し、予測ラベルを出力する関数
function ypred = myCNNPredict(xtrain,ytrain,xtest,imds)
% 結果が一意になるように乱数シードをデフォルト値に設定
rng('default');
% ダミーの変数ベクトルを受けてimageDatastoreを学習用とテスト用に分割
imdsTrain = imageDatastore(imds.Files(xtrain));
imdsTrain.Labels = ytrain;
imdsValidation = imageDatastore(imds.Files(xtest));
% レイヤーの設定
layers = [
    imageInputLayer([28 28 1],'Name','input')
    
    convolution2dLayer(3,8,'Padding','same','Name','conv1')
    batchNormalizationLayer('Name','BN1')
    reluLayer('Name','relu1')
    crossChannelNormalizationLayer(5)
    maxPooling2dLayer(2,'Stride',2,'Name','pool1')
    
    convolution2dLayer(3,16,'Padding','same','Name','conv2')
    batchNormalizationLayer('Name','BN2')
    reluLayer('Name','relu2')
    crossChannelNormalizationLayer(5)
    maxPooling2dLayer(2,'Stride',2,'Name','pool2')
    
    convolution2dLayer(3,32,'Padding','same','Name','conv3')
    batchNormalizationLayer('Name','BN3')
    reluLayer('Name','relu3')
    dropoutLayer('probability',0.5,'Name','drop6') 
    
    fullyConnectedLayer(2,'Name','fc')
    softmaxLayer('Name','softmax')
    classificationLayer('Name','classoutput')];
options = trainingOptions('sgdm', ...
    'InitialLearnRate',0.01, ...
    'MaxEpochs',5, ...
    'Shuffle','every-epoch', ...
    'Verbose',false);
net10 = trainNetwork(imdsTrain,layers,options);
ypred = classify(net10,imdsValidation);
save net10
end

それを，net10に保存すると，net10.matというmatファイルができます。これを使用して，以下のコードを使って，交差検証に使用していない画像を判別し，ヒートマップで，判別要因をみようとしています。

load net10
%% Autodiffにかけられるようにdlnetworkに変更
lgraph = layerGraph(net10.Layers); %
Outputlayer =  lgraph.Layers(end);
newlgraph = removeLayers(lgraph,lgraph.Layers(end).Name); % calssificationの層だけ取る
net0 = dlnetwork(newlgraph); % dlnetworkに変更
softmaxlayer = 'softmax'  ; % 予測確率が出てくる最後のレイヤを指定
activationlayer = 'relu3'; % MAPを適用するレイヤを指定
%% 画像の読み込み
labeltbl = {'4test';'9test'};
colortbl = [255 255 102; 73 6 248];
img = imread(fullfile('test_data','4test','5796.jpg'));% 画像の取り込み
    img = imresize(img,[28 28]); % ネットワークと同じサイズに変更
    [class,score] = classify(net10,img); % 推論
    class
    max(score)
    img2 = dlarray(single(img),'SSC');
    % 指定レイヤの出力とGradientをとる
    [conv_output,gradients] = dlfeval(@Gradient_function,net0,img2,softmaxlayer,activationlayer,class);
    % 得られた出力から演算でヒートマップを作製
    gradcam = sum(conv_output .* mean(gradients, [1 2]), 3); % GradientのGlobal average poolingし出力とかけ和をとる
    gradcam = extractdata(gradcam); % single型で取り出し。
    gradcam = max(gradcam,0); % relu関数を適用
    gradcam = imresize(gradcam, [28 28], 'Method', 'bicubic'); % 画像サイズに合わせる
    
    HeatMap = map2jpg(gradcam, [], 'jet'); % ヒートマップ表示の画像データに変換する
    HeatMap = uint8((im2double(img)*0.3+HeatMap*0.5)*255); % 元画像と重ね合わせる
out2 = [img HeatMap]; % 元画像と結果を横方向に結合する
imshow(out2);shg
%%
function [conv_output,gradients] = Gradient_function(net10,I2,softmaxlayer,activationlayer,class)
[scores,conv_output] = predict(net10, I2, 'Outputs', {softmaxlayer, activationlayer}); % 予測確率とMAPを作る層までの出力を得る
loss = scores(class); % 指定したクラスのスコアをとる
gradients = dlgradient(loss,conv_output); % MAPを作る層でのgradientをとる
gradients = gradients / (sqrt(mean(gradients.^2,'all')) + 1e-5); % 正規化する
end
% ヒートマップに変換する関数
function img = map2jpg(imgmap, range, colorMap)
imgmap = double(imgmap);
if(~exist('range', 'var') || isempty(range))
    range = [min(imgmap(:)) max(imgmap(:))];
end
heatmap_gray = mat2gray(imgmap, range);
heatmap_x = gray2ind(heatmap_gray, 256);
heatmap_x(isnan(imgmap)) = 0;
if(~exist('colorMap', 'var'))
    img = ind2rgb(heatmap_x, jet(256));
else
    img = ind2rgb(heatmap_x, eval([colorMap '(256)']));
end
end
%% 
% _Copyright 2018-2019 The MathWorks, Inc._

しかし，以下のようなエラーが出ました。

エラー: horzcat

連結する配列の次元が一致しません。

エラー: kasika (line 28)

out2 = [img HeatMap]; % 元画像と結果を横方向に結合する。

以前，別の画像を判別したときは，うまくいったので，同じものを使用してみましたが，このようなエラーがでてしまいました。

どこがおかしいか教えていただけますでしょうか。よろしくお願い致します。

Answer 1

[Kenta]

imgとHeatMapの縦の長さが違うのだと思います。imresizeなどで調整してみてください

[Kaneko]

ありがとうございます。ちなみに，具体的にどのようなコードをどの辺に入力したらいいですか。

MATLAB初心者なので，何度もすみません。

よろしくお願い致します。

[Kenta]

連結する配列の次元が一致しません。

エラー: kasika (line 28)

out2 = [img HeatMap]; % 元画像と結果を横方向に結合する。

というエラーがあるので、ここの、out2を出力するコードに問題がありそうです。このimgとHeatMapの高さがちがうのではないでしょうか？コードのほうは、imresizeのドキュメントが参考になりそうです

[Kaneko]

ありがとうございます。解決いたしました。